Diseño de Un Sistema para La Resolución Del Problema de Pro-Gramación de Turnos en Un Aeropuerto

E S T U D I O S D E E C O N O M A A P L I C A D A VOL . 24-2, 2006. P G S .
763-782
Diseo de un sistema para la resolucin del problema de pro-
gramacin de turnos en un aeropuerto
SILVIA CASADO (*), JOAQUN PACHECO (*) Y MANUEL LAGUNA (**)
(*) Departamento de Economa Aplicada, Universidad de Burgos, Plaza Infanta Elena s/n, 09001,
Burgos, SPAIN.
(**) Leeds School of Business, University of Colorado, Boulder, CO 80309-0419, USA.
laguna@colorado.edu
E-mails: (*) {scasado, jpacheco}@ubu.es - (**) laguna@colorado.edu
RESUMEN
En este trabajo se desarrolla un sistema para la resolucin del problema de programacin de ho-
rarios de trabajo (o Labor Scheduling Problem) en un modelo de ujo de pasajeros en un aeropuerto.
Concretamente se trata de racionalizar los costes del personal de facturacin y de seguridad a la vez que
se garantiza un nivel de uidez mnimo requerido en el trnsito de los pasajeros, medido en trminos
de los tiempos de espera. El sistema est compuesto por tres herramientas principales: un simulador,
un mtodo para optimizar simulaciones y un mtodo para resolver el problema de programacin de
horarios propiamente dicho. Este sistema permite la obtencin de una gran diversidad de soluciones
facilitando as la tarea del decisor que puede seleccionar la alternativa ms adecuada dependiendo de
sus preferencias. Las soluciones generadas se aproximan a la curva de eciencia teniendo en cuenta los
objetivos de coste de personal y nivel de servicio ofrecido.
Palabras clave: Optimizacin de simulaciones, bsqueda dispersa, programacin de turnos, aeropuerto.
Design of a system for solving the Labor Scheduling Problem in an airport
ABSTRACT
In this work, a system to solve the labor scheduling problem in a passengers ow model at an airport is
developed. Specically, the objective consists on rationalizing personnel costs (check and security), at the
same time that the minimum level of service required in the passengers transit (measured with the waiting
time) is guaranteed. The system is compounded by three main elements: a simulator, a simulation optimi-
zation method and a method to solve the labor scheduling problem. This system let us obtain a wide range
of solutions making easier the labor of the person who take the decision because this person can select
the most appropriate choice depending on his preferences. The generated solutions are near the efciency
curve taking into account the two objectives: personnel costs and service level.
Keywords: Simulation optimization, scatter search, labor scheduling, airport.
Artculo recibido en septiembre de 2005 y aceptado para su publicacin en enero de 2006.
Artculo disponible en versin lectrnica en la pgina www.revista-eea.net, ref.: -24211.
ISSN 1697-5731 (online) ISSN 1133-3197 (print)
J EL classication: C61.
764
Silvia Casado, Joaqun Pacheco y Manuel Laguna
Estudios de Economa Aplicada, 2006: 763-782 Vol. 24-2
1. INTRODUCCIN
El problema tratado en este trabajo surge a travs de la empresa Altran SDB,
perteneciente al Grupo Altran, lder europeo en consultora en altas tecnologas. Esta
empresa tiene rmado un proyecto con AENA para, entre otras cosas, desarrollar las
acciones necesarias para implantar en el aeropuerto de Madrid-Barajas la herramienta
de simulacin del trco de pasajeros que sea considerada como la ms adecuada y que
por tanto ayude a conseguir un uso racional de los recursos presentes en la operacin
aeroportuaria bajo los criterios ms adecuados de tiempos y costes.
Concretamente, el problema planteado en este trabajo consiste en la planicacin
de los turnos del personal encargado de los controles de seguridad y de los mostradores
de facturacin (estos puntos son los que ms van a incidir directamente en la mayor o
menor uidez de los pasajeros dentro del aeropuerto), persiguiendo la racionalizacin
de los costes de este personal, a la vez que se garantiza un grado de uidez mnimo
en cada uno de estos puntos.
En efecto, en los ltimos aos hemos podido presenciar una evolucin de las reas
aeroportuarias marcada por un importante aumento de trco y de la complejidad en la
operacin, originada por la necesidad de dar servicio de calidad a este creciente trco.
Es por esto, por lo que existe la necesidad de disponer de potentes herramientas
de simulacin y de optimizacin en tiempo real que permitan asegurar la gestin
ptima de los recursos presentes en la operacin aeroportuaria proporcionando a los
responsables herramientas capaces de simular las posibilidades ptimas de operacin
bajo los ms adecuados criterios de economa de tiempos y costes.
Con este n se ha diseado un sistema que proporciona diferentes soluciones u
opciones al decisor, que vienen medidas en funcin de los costes de personal corres-
pondientes y los tiempos de espera de los pasajeros. Adems el sistema se adapta
fcilmente a posibles cambios en los datos (cancelaciones de vuelos, cambios de
horario, averas,).
En este sistema se integran tres elementos (o herramientas) bien diferenciados:
Simulador: Conjunto de programa/s que simulen el comportamiento del sistema
(ujo de pasajeros en el aeropuerto), tanto globalmente como de los diferentes
puntos o estaciones (controles de seguridad o puntos de facturacin) considerados
de forma aislada.
Optimizador de Simulaciones que hace uso de los anteriores programas de simu-
lacin para determinar en cada estacin y en cada perodo el nmero de recursos
humanos necesarios para garantizar la uidez mnima requerida.
Mtodo para resolver los Labor Scheduling Problem correspondientes: Con los
datos anteriores plantear y resolver para cada estacin el problema de programa-
cin de turnos que minimice el coste de personal y respete el nmero de recursos
anteriores en cada hora.
765 DISEO DE UN SISTEMA PARA LA RESOLUCIN DEL PROBLEMA DE PROGRAMACIN DE TURNOS...
Estas 3 herramientas han sido diseadas e implementadas por los propios autores
de este trabajo en lenguaje Pascal, con el compilador Borland Delphi 5.0. Es decir, se
ha hecho un diseo y programacin propias. Otra alternativa hubiese sido usar herra-
mientas existentes en el mercado para simulacin, como los paquetes de simulacin
comerciales Arena, MicroSaint, Taylor, etc.
De hecho inicialmente se pens en el uso de Arena, quizs uno de los ms co-
nocidos. Arena, es un simulador de propsito general en el que el entorno visual y
la animacin gozan de mucha importancia, aunque esto suponga un mayor gasto de
memoria y un mayor tiempo de computacin en la ejecucin. Arena combina las
facilidades de uso encontradas en simuladores de alto nivel con la exibilidad de los
lenguajes de simulacin, e incluso da la posibilidad de integrarlo con lenguajes como
Microsoft Visual Basic o C. Sin embargo, a pesar de contar con todas estas facilidades
muestra un inconveniente: el tiempo de computacin empleado, que en el caso que
nos ocupa, es excesivo. Obsrvese que dado el gran nmero de parmetros a optimizar
(determinado por el nmero de estaciones y horas) y la existencia de componentes
aleatorios en el modelo, se ha de realizar un elevado nmero de llamadas al simulador;
por tanto este debe ser rpido.
De igual forma, en cuanto al mtodo para optimizar simulaciones se plante el
uso de algn software comercial como el conocido optimizador Opquest. ste es un
optimizador comercial contrastado (est integrado en Arena as como en otras aplica-
ciones como MicroSaint, QUEST, Taylor y Enterprise Dynamics). Opquest combina
distintos mtodos de bsqueda inteligente capaces de encontrar soluciones ptimas
o cercanas al ptimo para problemas complejos que tienen elementos de incertidum-
bre. De hecho se basa en la idea consistente en que a veces puede ser ms efectivo
explorar una pequea regin del conjunto de soluciones que intentar explorar todo
el conjunto. Opquest hace uso de conocidos metaheursticos como Bsqueda Tab
y Scatter Search que favorecen la bsqueda inteligente en el espacio de soluciones
y por tanto la convergecia de forma rpida y segura hacia la solucin ptima. Sin
embargo a la hora de utilizar Opquest para este caso concreto nos encontramos con
los siguientes problemas:
Es un optimizador de propsito general. Por tanto no se pueden aprovechar las
caractersticas intrnsecas del problema a la hora de dirigir la bsqueda.
En las versiones que se han manejado habra problemas de integracin entre las
libreras de Opquest y los compiladores con los que habamos programado nuestro
simulador.
Excesivo nmero de parmetros a optimizar para la versin estndar.
Por tanto debido a las caractersticas del problema analizado y a estas dicultades
para usar software comercial se decidi desarrollar una estrategia propia de optimiza-
cin que incorpore en el proceso de bsqueda de soluciones informacin que resulte
interesante y que evite estos problemas.
766
Finalmente, en cuanto al mtodo de resolucin del Labor Scheduling Problem, da-
das las caractersticas del sistema, hace falta que ste de buenas soluciones rpidamente
ya que se ha de ejecutar varias veces (tantas como estaciones para cada solucin que
se genere). En este sentido, adems de otras ventajas que ms tarde se comentarn,
el mtodo desarrollado resulta ms ecaz que otras alternativas analizadas.
El sistema se ejecuta con diferentes entradas iniciales y se obtiene un conjunto
de soluciones. A cada una de estas le corresponde un coste de personal y un nivel
de servicio nal. De esta manera se facilita la toma de decisiones para los gestores
del aeropuerto, ya que se les ofrece diferentes opciones entre las que elegirn la ms
adecuada segn las preferencias de cada momento.
En la literatura hemos encontrado un trabajo reciente que analiza y optimiza el ujo
de pasajeros en el aeropuerto internacional de Vancouver mediante la simulacin del
sistema (Atkins et.al 2003). En el mismo se muestra como con el nmero adecuado
de personal de seguridad del aeropuerto y horarios de trabajo ecientes, se puede
conseguir que el 90% de los viajeros no tengan que esperar ms de diez minutos en
los controles de seguridad previos al embarque.
Adems hemos encontrado otras referencias de trabajos relacionados con las reas
aeroportuarias en los que se simula y optimiza el ujo areo de los aviones as como
aquellos otros que tratan sobre la asignacin de puertas de llegada y salida a los distin-
tos vuelos (Haghani y Chen 1998, Guth 1994, Ringel y Mode 1994, Kennedy y otros
1988, Batson 1987, Andreussi y otros 1981, Chen 1980 y Clayton y otros 1975).
El trabajo se distribuye de la siguiente manera: en la seccin 2 se describe el modelo
de ujo de pasajeros en un aeropuerto y en la seccin 3 se describe el sistema diseado.
La seccin 4 trata sobre el simulador, en la seccin 5 se describe el mtodo diseado
para optimizar simulaciones y en la seccin 6 se analizan brevemente algunos aspectos
del mtodo diseado para resolver el Labor Scheduling. Finalmente en la seccin 7 se
muestran las experiencias computacionales y en la 8 se exponen las conclusiones.
2. DESCRIPCIN DEL MODELO DE FLUJO EN UN AEROPUERTO
Con carcter previo al anlisis del sistema diseado y de las herramientas que lo
integran es necesario describir el modelo de ujo concreto en el que se quiere racio-
nalizar los costes del personal. Los elementos signicativos del sistema son cuatro:
mostradores de facturacin, puertas de controles de salida y pasaporte y puertas de
embarque. Estos elementos se han agrupado en puntos o estaciones de la siguiente
manera:
Puntos de facturacin (F) que cada uno de ellos agrupa a los mostradores de las
mismas compaas. En este sentido hay que indicar que en algunos casos un punto
de facturacin puede incluir ms de una compaa.
Controles de pasaporte (CP), que abarcan a las puertas de controles de pasaporte
que van unidas.
Controles de salida (CS), que abarcan a las puertas de controles de salida que van
unidas.
Puertas de embarque (E). En este caso elemento y estacin coinciden, es decir,
solo hay una puerta por estacin.
En este trabajo solo se consideran los recorridos de los viajeros que salen,
o en trnsito prescindiendo de los elementos especficos de los recorridos de
llegada (Puertas de Llegada, Recogidas de Maleta, Controles de Llegada) dado
que en los datos que nos han sido suministrados no se consideran los recorri-
dos de los pasajeros que llegan al aeropuerto finalizando ah su itinerario. De
hecho obsrvese que en el apartado anterior, no se ha hecho referencia a estos
elementos. Conviene sealar que incluir los pasajeros de llegada aumentara el
nmero de operaciones a realizar pero no la complejidad del problema como
tal. Esto se traduce en un aumento en el nmero de estaciones a tratar y por
tanto en el tiempo de computacin en que se ejecuta el sistema siendo por tanto
ms lento.
Los pasajeros se clasican segn el destino. Los tipos de pasajeros segn el des-
tino son los siguientes: Americano, Domstico, Noschengen, Puente, Schengen,
y Terceros. Los tiempos de servicio varan en funcin del tipo de pasajero y del tipo
de estacin.
Los tipos de recorridos que se consideran son los siguientes:
A) Pasajeros de vuelos nacionales que inician su recorrido
F CS E
B) Pasajeros de vuelos internacionales que inician su recorrido
F CP CS E
C) Pasajeros de vuelos internacionales en trnsito (sin maletas)
CP E.
Los pasajeros en trnsito con maletas (pasajeros en trnsito que necesitan volver
a facturar el equipaje antes de embarcar de nuevo) van incluidos en los recorridos
A y B respectivamente, ya que slo se contempla la parte del recorrido correspon-
diente a la salida. Por otra parte, los pasajeros de vuelos nacionales en trnsito (sin
maletas) van directamente a E, y no pasan por ninguna estacin donde hay que
optimizar. Por tanto es ocioso considerarlos ya que adems no interactan con los
dems pasajeros.
768
3. DESCRIPCIN DEL SISTEMA INTEGRADO
Como ya se ha comentado en la introduccin en este trabajo se desarrolla un sistema
que proporciona diferentes soluciones u opciones al decisor, las cuales vienen medidas en
funcin de los costes de personal correspondientes y los tiempos de espera de los pasajeros.
Concretamente, para cada entrada o nivel de servicio mnimo prejado (medido en funcin
de los tiempos de espera u otras medidas), este sistema realiza los siguientes pasos:
1.- Ejecucin de la optimizacin de simulaciones (llamando al simulador) para de-
terminar los requerimientos de personal en cada punto (facturacin y controles de
seguridad) que permitan obtener la uidez mnima que se quiere conseguir.
2.- A partir de los requerimientos obtenidos en la etapa anterior se resuelve el labor scheduling
correspondiente a cada punto teniendo en cuenta los posibles conjuntos de turnos esta-
blecidos para los diferentes tipos de trabajadores (personal de facturacin y seguridad).
El esquema de funcionamiento con ms detalle viene dado en la gura siguiente
Fig. 1. Sistema integrado
In ic io
Le er Inp ut:
N ive l d e Ser vic io Pre vio
Pa ra ca da es taci n y ho r a:
T iempo s d e esper a cr ti co s
Optimiza ci n
de Simula cio nes
L lam ad as a l
Simulador
Pa ra cad a est ac i n y h or a:
Req uerimi en to s d e pers onal
mni mos necesar io s
Re soluc in de l
Labor Sche duling
Lla ma da al
pr oc ed imien to
Sc a tte r Se ar c h
- Numer o de t rab ajad ores
po r tu r no
- Co st e de p e rson al
Simula c i n Fin al
Ni vel de se rv icio fin al
O utpu t:
Coste s de pe r sona l y
N ive l d e Ser vic io Fin al
Fin aliz ac in
Par a c ad a
es ta c in
Como se observa en la gura se ejecuta la simulacin en el ltimo paso para obtener
el nivel de servicio nal a que da lugar la asignacin de turnos. Este nivel de servicio
nal ser al menos igual o ligeramente mejor que el nivel mnimo previamente jado
(input).
El sistema se ejecuta con diferentes entradas iniciales y se obtiene un conjunto
de soluciones. A cada una de estas le corresponde un coste de personal y un nivel
de servicio nal. De esta manera se facilita la toma de decisiones para los gestores
del aeropuerto, ya que se les ofrece diferentes opciones entre las que elegirn la ms
adecuada segn las preferencias de cada momento.
En este trabajo nos vamos a centrar en la primera etapa del proceso: la optimiza-
cin de simulaciones analizando tanto el simulador como los mtodos para optimizar
simulaciones que se utilizan.
4. SIMULADOR
Al programar el modelo del ujo de pasajeros en un aeropuerto, descrito en la
seccin 2, nos encontramos con la problemtica de disear o programar un modelo
en el que hay que considerar dos niveles: en el primero tenemos varias estaciones a
visitar; en el segundo nivel para cada estacin tenemos un modelo de varios puntos
idnticos y una nica cola.
En el primer nivel hay varias estaciones (puntos de facturacin, puntos de
seguridad de salida y de pasaporte y puertas de embarque) por las que pasar
y adems, dependiendo del tipo de pasajero, se seguir una ruta o secuencia
distinta tal y como se vio anteriormente. El segundo nivel se considera dentro
de cada estacin, es decir en los puntos de facturacin y puntos de control de
pasaporte y de seguridad de salida, que estn formados por una serie de mos-
tradores de facturacin y de puertas de control de pasaporte y de seguridad de
salida, respectivamente, que realizan la misma tarea. Por tanto si en un momento
dado estn ocupados todos los mostradores de facturacin de una compaa
o las puertas de un punto de control (de pasaporte o de seguridad de salida)
habr que esperar a que salga el pasajero que deja vaca alguno de ellos para
que pueda ser atendido otro pasajero, lo que har que se formen colas dentro
de cada estacin. Un grfico esquemtico del funcionamiento del simulador se
muestra en la figura 2.
770
Fig. 2: Esquema de funcionamiento del simulador
Vamos a denominar recursos de cada estacin al nmero de mostradores
que se abren en los puntos de facturacin (de cada compaa) y al nmero de
puertas que se abren en cada punto de control de pasaporte y de seguridad de
salida. Se va a denotar por acontecimiento la llegada de un pasajero a una esta-
cin. Procesar un acontecimiento consiste en determinar los correspondientes
tiempos de espera u ocio, generar el tiempo de servicio correspondiente, el
tiempo de recorrido a la siguiente estacin y por lo tanto el tiempo de llegada
a la siguiente estacin.
En el modelo bsicamente se trata de determinar en cada paso o iteracin el
acontecimiento siguiente en el tiempo y procesarlo o simularlo. Se comienza
simulando el acontecimiento que se produce en primer lugar. Posteriormente,
en cada iteracin, se determina el acontecimiento siguiente al ltimo ya simu-
lado y se procesa. La simulacin finaliza cuando todos los pasajeros salen del
sistema.
Para ordenar los acontecimientos en el tiempo, se va a usar una estructura de
rbol binario, Williams (1964). En cada nodo k del rbol binario se sita un acon-
tecimiento i de forma que en los nodos que salen de l, 2k y 2k+1, se sitan dos
acontecimientos i e i posteriores a i. Claramente en el vrtice situado en la pri-
mera posicin estar en cada iteracin el acontecimiento que se produce en primer
PE CS
MF
EM
1 nivel
2 nivel
lugar en el tiempo. En la gura 3, se muestra un sencillo ejemplo de rbol binario,
donde en el nodo 1 se sita el acontecimiento 4 que se produce en el minuto 2; de el
salen los nodos 2 y 3 donde se sitan los acontecimientos 1 y 2 que son posteriores
(minutos 3 y 5), etc.
Fig 3. Ejemplo de ordenacin con rbol binario
Cmo el nmero de vrtices del rbol binario es el nmero de pasajeros que hay
en el sistema en ese momento y ste est acotado, el tiempo de computacin que re-
quieren cada una de las operaciones de actualizacin del rbol binario es de O(log
2
(n
total de pasajeros)).
Se han realizado una serie de pruebas para comparar el tiempo de computacin en
que se ejecuta la simulacin del modelo usando dos mtodos de ordenacin distintos:
rbol binario y lista simple. En la gura 4 se muestra una grca que ilustra claramente
la evolucin de los tiempos medios.
1
2
4 5
3
4
1 2
5 3
Tiempo=2
Tiempo= 3
Tiempo=7 Tiempo=9
Tiempo= 5
772
Fig. 4. Grco que muestra la variacin del tiempo de computacin cuando se
ejecuta el modelo de simulacin con rbol binario y con lista simple
Se ha comprobado que nuestro simulador da lugar a los mismos resultados que Arena;
y que era 25 veces ms rpido ya incluso con ejemplos de dimensiones moderadas, (15
estaciones). Un resumen de estos resultados se muestran en la tabla 1 y en la gura 5.
Tabla 1. Resultados obtenidos en la simulacin con nuestra programacin
propia y Arena
PROGRAMACIN
PROPIA
ARENA
Media 1068,83 1067,22
Desviacin tpica 32,03 28,84
Fig 5. Comparacin de los tiempos de com-
putacin usados por nuestra programacin
propia y Arena en la simulacin
EVOLUCION DEL TIEMPO DE EJECUCION
0
200
400
600
800
1000
1200
1400
1600
1800
n

d
e

p
a
s
a
j
1
0
0
0
0
2
0
0
0
0
3
0
0
0
0
4
0
0
0
0
5
0
0
0
0
6
0
0
0
0
7
0
0
0
0
n de pasajeros
t
i
e
m
p
o

(
s
)
lista lineal
arbol binario
0
5
10
15
20
25
30
35
Prog. propia Arena
5. OPTIMIZACION POR ESTACIONES Y ETAPAS
Muchos investigadores en los ltimos aos han desarrollado diferentes mtodos
para optimizar simulaciones, es decir buscar valores ptimos o cercanos al ptimo de
los parmetros de entrada. Alguno de estos mtodos se basan en una estimacin del
gradiente y una aplicacin de una estrategia de mayor descenso siguiendo esa direc-
cin. Esta estrategia se corresponde con procedimientos de Bsqueda Local cuando
los parmetros son discretos.
La optimizacin de sistemas estocsticos con sucesos discretos a travs de la
simulacin ha llegado a ser un rea de investigacin muy atractiva. Un repaso de
las tcnicas para optimizar simulaciones lo podemos encontrar en J acobson
y Schruben (1989), Sazadeh (1990), Fu (1994), Cassandras y otros (1998), Pug
(1996) y Andradottir (1995) y (1998).
Segn se ha comentado anteriormente, una de las dicultades de este problema
concreto es la interaccin que existe entre las diferentes estaciones y etapas. A priori
esta dicultad podra obligar a buscar estrategias que realicen una optimizacin global
del sistema. Sin embargo, en realidad esta interaccin entre las diferentes estaciones
siempre se da en el mismo sentido, es decir, nunca es recproca. En la gura 6 aparece
el recorrido completo de un pasajero de un vuelo internacional que inicia su recorrido
(obsrvese como este tipo de pasajero es el que en su recorrido pasa por los cuatro
tipos de estaciones denidos anteriormente).
Fig.6. Recorrido de un pasajero de un vuelo internacional
que inicia su recorrido.
Segn se aprecia en la gura, el pasajero nunca retroceder, trasladndose siempre
en el sentido que lleva desde el mostrador de facturacin hasta la puerta de embarque
en el vuelo. El orden siempre es el mismo. Para el resto de los recorridos de los pasa-
jeros, pueden aparecer menos elementos o estaciones, pero los que aparecen respetan
el orden y sentido que aparece en el grco. En otras palabras, lo que ocurre en los
mostradores de facturacin puede inuir en los puntos de control de pasaporte; lo
que ocurre en stos a su vez inuye en los puntos de control de salida, etc., pero no al
revs. As lo que ocurre en los controles de salida no inuye en los puntos de control
de pasaporte, ni lo que ocurre en los puntos de control de pasaporte inuye en los
mostradores de facturacin en ningn momento.
Esto nos ha permitido disear una estrategia en la que, siempre respetando el or-
den del grco de la gura 6, podemos simular el comportamiento de los pasajeros
estacin a estacin a la vez que optimizar en las distintas estaciones. La estrategia
F C P C S E
774
que hemos diseado y a la que hemos denominado optimizacin por estaciones y
etapas sigue el siguiente esquema:
0. Ordenar las estaciones segn la gura 3 (primero F, despus CP, CS y E .
1. Introducir los tiempos de llegada de los pasajeros en el sistema.
2. Para cada estacin (segn el orden) y para cada hora hacer:
2.1 Determinar la lista de los tiempos de llegada de los pasajeros a esa es-
tacin y en esa hora.
2.2 Determinar los recursos necesarios, para ello hacer:
k = 0
Repetir
k = k+1
tiempo_total = 0
desde i = 1 hasta niter hacer:
-Ejecutar la simulacin en esa estacin con k recursos
-Tiempo_total= tiempo_total + tiempo_medio_espera
Tiempo_total_medio = tiempo_total / niter
hasta (tiempo_total_medio tiempo_critico) o (k = kmax)
2.3 Ejecutar la simulacin con k recursos y actualizar la informacin de los
pasajeros que han intervenido.
En este esquema tiempo_medio_espera es el tiempo medio de espera de los pa-
sajeros obtenido por cada simulacin, kmax es el nmero de recursos mximo que
puede haber en esa estacin y niter, el nmero de replicaciones para cada valor de k,
(se ha tomado niter =100). De esta forma el valor de k nal es el nmero de recursos
necesarios para cada estacin en cada hora. Obsrvese como los tiempos de llegada
a cada estacin vienen determinados por el nmero ptimo de recursos obtenido en
las estaciones anteriores.
6. MTODO PARA RESOLVER EL LABOR SCHEDULING
Cada uno de los problemas de asignacin de turnos de horarios, correspondientes
a cada estacin, se ajustan al clsico modelo de Dantzig (1954). En este caso, todos
los turnos tienen el mismo coste, y por tanto, se trata de minimizar el nmero de tra-
bajadores. Como se ha comentado en la introduccin se debe resolver este problema
en cada estacin, para cada solucin que el sistema ntegro genera. Por tanto, con las
dimensiones de los datos que se estn usando, y teniendo en cuenta que el sistema ha
de generar varias soluciones, el nmero de problemas que se ha de resolver es muy
elevado. Por tanto el mtodo que se use debe dar buenas soluciones de forma muy
rpida (pocas dcimas de segundo). Los autores de este trabajo en Casado (2005) y
Casado et al. (2005) describen ampliamente el mtodo usado por el sistema. Bsi-
camente es un algoritmo basado en la estrategia metaheurstica Bsqueda Dispersa
(Scatter Search o SS). La gura 7 muestra un grco esquemtico del funcionamiento
de esta estrategia.
Fig. 7. Bsqueda dispersa
Se ha comparado este algoritmo con otras alternativas: el algoritmo de Temple
Simulado (SA) descrito en Brusco & J acobs (1993), una adaptacin del algoritmo
de Bsqueda Tabu (TS) de Alvarez-Valds et al. (1999), y los resultados obtenidos
de resolver el modelo de Dantzig con CPLEX 7.0. Para ello se usaron cuatro grupos
de 200 instancias cticias cada uno, que se describen con detalle en Casado (2005)
y Casado et al. (2005), considerando tiempos mximos de computacin de 4 y 10
dcimas de segundo. Si se han considerado estos tiempos de computacin, que
pueden parecer demasiado cortos, es por el nmero de veces que hay que resolver
el labor scheduling. Pensemos, por ejemplo, que tenemos 50 estaciones a optimizar.
Si mediante la ejecucin del sistema queremos obtener 100 soluciones, en total
hay que resolver el labor scheduling 5000 veces. Con 1 segundo que se tarde en
resolver cada uno tendramos 5000 segundos (1hora, 23 min y 28 segundos) solo
en esta parte.
La tabla 2 muestra un resumen de los resultados obtenidos; concretamente el va-
lor medio (Valor), y el nmero de veces que cada alternativa ha conseguido la mejor
solucin (N mejor).
776
Tabla 2. Resultados de SS frente a otras alternativas
Nuestra estrategia SS, da mejores resultados tanto en valor medio, como en nmero
de veces que alcanza el mejor valor. Adems de la mejor calidad de las soluciones
obtenidas, hay que considerar otras ventajas de nuestro mtodo, especialmente sobre
CPLEX:
La integracin en el sistema completo es mucho mejor. En nuestro caso tanto las
rutinas del resto del sistema completo como la del SS propuesto estn programadas
en Pascal utilizando el compilador DELPHI. Por tanto no hace falta llamadas a
programas externos que, aunque son posibles, siempre son ms susceptibles de
dar problemas.
No hace falta pagar un precio por un Software comercial de propsito general
como CPLEX. El coste marginal de realizar la programacin del algoritmo para
resolver el Labor Scheduling en este caso es mucho menor y adems est realizado
a medida.
7. EXPERIENCIAS COMPUTACIONALES CON DATOS REALES:
Para la realizacin de las pruebas se han usado los datos reales del aeropuerto de
Barajas suministrados por la empresa Altran SDB y que son los siguientes:
275 mostradores de facturacin agrupados en 24 puntos de facturacin.
12 puertas de control de pasaporte agrupadas en 3 controles de pasaporte.
15 puertas de control de salida agrupadas en 8 controles de salida
86 puertas y puntos de embarque.
La velocidad de recorrido sigue una distribucin uniforme: U (0.85; 1.20) m/s. La
distribucin de los tiempos de servicio en segundos para cada estacin segn el tipo
de pasajeros se muestra en la tabla 3.
0.4 sec 1.0 sec Tipo
Cplex SS TS SA Cplex SS TS SA
Valor 68.73 68.325 68.745 70.15 68.555 68.235 68.735 70.145 I
N mejor 118 196 112 10 132 195 101 9
Valor 68.285 67.91 68.36 69.815 68.095 67.85 68.35 69.81 II
N mejor 124 195 111 8 144 193 100 8
Valor 68.73 65.33 65.74 67.19 65.71 65.275 65.74 67.18 III
N mejor 0 198 121 10 112 193 104 8
Valor 68.285 65.08 65.48 66.78 65.35 65.02 65.475 66.78 IV
N mejor 3 197 113 12 126 191 96 9
Tabla 3. Distribucin de los tiempos de servicio
Los datos de vuelos y pasajeros se corresponden con la semana del 14 al 20 de Julio del
ao 2000, con un total de 3317 vuelos y 276261 pasajeros. El horizonte de planicacin
es de una semana (por tanto, 168 periodos de 1 hora), y el nmero de turnos que se con-
sideran es de 323 para personal de facturacin, y 234 para personal seguridad (controles
de pasaporte y salida). En ambos casos, todos los turnos tienen la misma duracin, y por
tanto el mismo coste. As mismo, el coste de los turnos del personal de facturacin y el
coste de los turnos del personal de seguridad tambin son iguales. Por tanto podemos
identicar coste de personal con nmero de trabajadores o personal contratado. Queda
a disposicin del lector interesado los datos ms especcos y concretos.
Una vez descritos los datos referidos al aeropuerto de Barajas, nos centramos en la
implementacin del sistema global integrado. Como ya se vio, este sistema para cada nivel
de servicio prejado, medido en trminos de los tiempos medios de espera, obtiene el per-
sonal necesario para alcanzarlo. El sistema se ejecuta varias veces, con diferentes niveles
de servicio, y se obtiene un conjunto de soluciones que ayudan a la toma de decisiones.
Cada solucin lleva asociada un nivel de servicio (tiempo de espera medio), y personal
contratado. En la gura 8 se representan el conjunto de soluciones no dominadas y se
indica el personal contratado (Personal) en todas las estaciones a optimizar (facturacin
y seguridad) y el tiempo medio de espera (T_espera) por pasajero y estacin.
Figura 8. Representacin de las soluciones no dominadas:
tiempo de espera - personal.
AMER. DOMES. EUROP. NONSC. PUENTE SCHEG. TERCER.
F N(134;7) N(79;4) N(105;8) N(90;5) 2 N(84;5) N(110;5)
CP N(4;1)
CS Discreta: 2 con p=0.11; 4 p=0.77; 6 p=0.07; 8 p=0.03;10 p=0.02;
E N(5;1) N(2; 0.2) N(4;1)
0
100
200
300
400
500
600
0 10 20 30 40 50 60
Tiempo Espera
P
e
r
s
o
n
a
l
778
Es fcil apreciar que llega un momento en el que el coste de oportunidad de mejorar
el nivel de servicio es muy grande, ya que ste solo se puede mejorar aumentando el
personal en una cantidad elevada. Esto sucede cuando el nivel de servicio prestado es
de muy buena calidad y por tanto, el tiempo de espera es muy bajo. Concretamente
se ve como, llegado a un nivel de servicio con un tiempo de espera de 3 y 40, para
disminuir el tiempo de espera en 27 se necesita aumentar el personal en 72 traba-
jadores. Por otro lado, con niveles de servicio de baja calidad, se puede disminuir el
tiempo de espera a costa de un pequeo aumento en el personal (se pasa de 39 de
tiempo de espera a 31 y el personal aumenta en 30 trabajadores).
Para nalizar hemos de sealar que, a pesar de que en las experiencias compu-
tacionales realizadas en este trabajo el nivel de servicio se mide en funcin de los
tiempos medios de espera de los pasajeros en las distintas estaciones, creemos que esta
unidad de medida en determinadas ocasiones no es la ms adecuada. As, cuando las
distribuciones de los tiempos de espera de los pasajeros sean por ejemplo bimodales
o uniformes el tiempo medio de espera no es la mejor medida del nivel de servicio
al no ser representativo.
Un ejemplo de esto lo tenemos en el caso en que unos pocos pasajeros tengan que
esperar muy poco tiempo en la cola de las distintas estaciones, siendo por tanto el nivel
de servicio muy bueno, mientras que el tiempo de espera del resto de los pasajeros (la
mayora) sea elevado y con ello el nivel de servicio de mala calidad. Esta situacin
puede llevar a que el tiempo de espera medio sea aceptable y sin embargo el nivel de
servicio recibido por la mayora sea bastante malo.
Por ello, otra alternativa es denir el nivel de servicio como el porcentaje de clien-
tes que son servidos con un tiempo de espera menor a un determinado tiempo crtico
promedio de todas las estaciones (Thompson, 1997). Por ejemplo se tratara de ver el
coste que supondra que un determinado porcentaje de los pasajeros esperen menos
que un determinado tiempo crtico. En este caso tambin se obtendran diferentes
soluciones que facilitaran la toma de decisiones.
Concretamente, se podra obtener una solucin para cada uno de los porcentajes con-
siderados, es decir, el mejor nivel de servicio se dara cuando el 100% de los pasajeros
esperen menos que el tiempo crtico considerado y el peor cuando todos esperen ms
que ese tiempo crtico. El resto seran soluciones intermedias en las que el aumento en
el nivel de servicio y por tanto en el porcentaje de pasajeros que esperan menos que ese
tiempo crtico determinado supondra un aumento del coste y viceversa.
Teniendo en cuenta este ltimo criterio se va a denir un nuevo nivel de servicio
basado en el porcentaje de clientes que esperan menos que un determinado tiempo
crtico en cada estacin. En nuestro caso se obtiene tomando entre todas las llegadas
a estaciones de todos los clientes el porcentaje de aquellas que dan lugar a tiempos
de espera menores al tiempo crtico considerado en esa estacin. Se han realizado
nuevas pruebas con el objeto de obtener soluciones diversas que den el coste asociado
a cada nivel de servicio medido de esta manera.
Para la realizacin de estas pruebas se ha hecho uso de los datos sobre el aeropuerto
de Barajas descritos anteriormente y el tiempo de espera crtico que se ha considera-
do es de 5 minutos para los mostradores de facturacin, y de 6 y 3 minutos para los
controles de pasaporte y de seguridad de salida respectivamente.
De este modo se obtiene la curva de soluciones que se muestra en la gura 9.
Figura 9. Representacin de las soluciones nivel de servicio(%)-coste
Hay que sealar que con el coste de personal correspondiente a considerar el
mnimo nmero de requerimientos por estacin y hora (118) ya se obtiene un nivel
de servicio cercano al 70%.
En el grco se observa como para niveles de servicio bajos un pequeo aumento
del coste de personal supone un incremento considerable en el nivel de servicio,
mientras que cuando los niveles de servicios ofrecidos son de buena calidad se ne-
cesitan incrementos considerables en el coste de personal para conseguir mejoras en
el nivel de servicio.
Este hecho tambin se observaba cuando medamos el nivel de servicio en funcin
del tiempo medio de espera, lo que ocurre es que en este caso el efecto es mucho ms
notable sobre todo para niveles de servicio de calidad donde se observa una concentra-
cin de las soluciones que indica que cada mejora en el nivel de servicio, por pequea
que sea, supone un aumento considerable en el coste de personal. As, el paso de un
nivel de servicio de 80,88% a 82,80% (aumento del 1,92% ) implica que el coste de
personal pase del correspondiente a 189 trabajadores al de 210 (aumento en 21). Por
otro lado, para niveles de servicio mejores vemos como mejorar el nivel de servicio
del 89,13% al 89,59% (aumento del 0,46%) supone que el nmero de trabajadores
necesarios pase de 300 a 317 (aumento en 17).
Coste - Nivel de Servicio
118
69,32%
0
100
200
300
400
500
69 74 79 84 89
Nivel de servicio (%)
P
e
r
s
o
n
a
l
780
En este sentido tambin hay que tener en cuenta que el porcentaje de variacin
del nivel de servicio puede ser pequeo y sin embargo el nmero de pasajeros co-
rrespondiente a ese porcentaje puede ser considerable ya que el nmero total de pa-
sajeros con que se cuenta es elevado. Esto puede suponer que un pequeo aumento
en porcentaje del nivel de servicio suponga un aumento considerable en el nmero
de trabajadores a contratar porque el nmero de pasajeros que ven mejorado la pres-
tacin del servicio que reciben no es tan pequeo como se puede pensar al observar
el porcentaje de variacin.
7. CONCLUSIONES
En este trabajo se trata de racionalizar los costes del personal (concretamente personal
en mostradores de facturacin, controles de pasaporte y controles de seguridad de salida)
en el aeropuerto de Madrid-Barajas, a la vez que se garantiza un nivel de uidez mnimo
requerido en el trnsito de los pasajeros, medido en trminos de los tiempos de espera.
Para ello se hace uso de tres herramientas fundamentales: un simulador, mtodos para
optimizar la simulacin y mtodos de resolucin del labor scheduling problem. Estas
tres herramientas se integran en un sistema que permite obtener una gran diversidad
de soluciones con objeto de facilitar la tarea al decisor. Cada solucin nos da el coste
correspondiente a cada nivel de servicio considerado (medido por el tiempo de espera).
De esta forma el decisor puede seleccionar la solucin ms adecuada dependiendo de
si lo que quiere es primar la reduccin del coste o por el contrario da ms importancia
a ofrecer un servicio de calidad aunque esto le suponga un coste mayor.
Este trabajo se centra en el anlisis de las dos primeras herramientas menciona-
das anteriormente (simulador y mtodos para optimizar simulaciones). Dadas las
caractersticas del problema se demuestra como el uso de software de simulacin
y de optimizacin de simulaciones no es lo ms adecuado para este caso concreto.
Por ello se programa un simulador en lenguaje PASCAL adaptado al problema y se
disean mtodos para optimizar simulaciones que nos permiten obtener soluciones
de calidad en espacios cortos de tiempo.
Resumiendo, las principales aportaciones realizadas en este trabajo se pueden
concretar en los siguientes puntos:
Tratamiento de un problema nuevo. No existen referencias en la literatura donde se
trata la racionalizacin de recursos humanos en un aeropuerto para obtener niveles
de servicio requeridos y donde se tengan en cuenta las interacciones dinmicas
entre los diferentes grupos de pasajeros.
Desarrollo de una metodologa novedosa para tratar el problema del labor sche-
duling problem (asignacin de turnos de personal), en un modelo de servicio con
colas. Esta metodologa consiste en el desarrollo de un sistema que da soluciones
cercanas a la curva de eciencia teniendo presentes los objetivos de nivel de
servicio y coste de personal. Integra 3 herramientas: simulador, optimizador de
simulaciones y mtodo para la resolucin del labor scheduling problem.
Este mtodo puede ser exportado o adaptado fcilmente a otros modelos similares al
de este trabajo, como supermercados, hospitales, centrales telefnicas, bancos etc.
8. REFERENCIAS BIBLIOGRFICAS
ALVAREZ-VALDS, R., CRESPO, E. Y TAMARIT J.M. (1999). Labor Scheduling at an Airport Refuel-
ling Installation. Journal of the Operational Research Society, vol. 50, n 3, pp. 211-218.
ANDRADTTIR S. (1995). A Method for Discrete Stochastic Optimization. Management Science.
Vol. 41. Pp. 1946-1961.
ANDRADTTIR S. (1998). A Review of Simulation Optimization Techniques, Proc. 1998 Winter
Simulation Conference, Washington D.C., pp. 151-158.
ANDREUSSI A., BIANCO L. Y RICCIARDELLI S. (1981). A Simulation-Model for Aircraft Sequenc-
ing in the Near Terminal Area. European Journal Operation Research, vol.8, n 4, pp.
345-354.
ATKINS D., BEGEN M.A., KLUCZNY B., PARKINSON A. Y PUTERMAN M.L.(2003). Right on Queue: OR Models
Improve Passenger Flows and Customer Service at Vancouver International Airport. ORMS, vol. 30, n 2.
Batson R.G. (1987). Critical Path Acceleration and Simulation in Aircraft Technology Planning.
IEEE T. Eng. Manage, vol. 34, n 4, pp. 244-251.
BRUSCO, M. Y JACOBS L. (1993). A Simulated Annealing Approach to the Solution of Flexible
Labour Scheduling Problems. Journal of the Operational Research Society, Vol 44, n 12,
pp. 1191-1200.
CASADO, S. (2005) Planificacin de turnos en un aeropuerto: uso de simulacin y metaheursticos.
Servicio de Publicaciones de la Universidad de Burgos. ISBN 84-96394-12-3.
CASADO, S., LAGUNA, M. Y PACHECO, J. (2005) A Heuristic to Solve a Large Number of Labor
Scheduling Problems within a System for Optimizing Passengers Flow at an Airport. Journal
of the Operacional Research Society, 56, pp. 649-658.
CASSANDRAS C.G., DAI L. Y PANAYIOTOU C.G. (1998). Ordinal Optimization for a Class of
Deterministic and Stochastic Discrete Resource Allocation Problems. IEE Trans. Auto.
Contr. Vol. 43(7). Pp. 881-900.
CHEN W.L. (1980) Simulation for Training and Decision-Making in Large-Scale Control-Systems.2.
Civil Aircraft Pilot Trainers. Simulation, vol. 35, n 2, pp. 42-44.
CLAYTON E.R., MOORE L.J. Y LARSON R. (1975) Cost-Benefit Simulation-Model for Aircraft
Travel. Operations Research, vol.23, B290-B290 Suppl.2.
782
DANTZIG G.B. (1954) A Comment on Edies `Traffic Delays at Toll Booths. Operations Research,
2, 3, pp. 339-341.
EASTON F. Y MANSOUR N. (1999) A Distributed Genetic Algorithm for Employee Staffing and
Scheduling Problems. In : S. Forrest (Ed.) , Proceedings of Fifth International Conference
on Genetic Algorithms, Morgan-Kaufman, San Mateo, CA, pp. 360-367.
FU M.C. (1994). Optimization Using Simulation: a Review. Annals of Operations Research,
Vol. 53, pp. 199-248.
GLOVER F. Y MCMILLAN C.(1986) The General Employee Scheduling Problem: An Integration
of Management Science and Artificial Intelligence. Computers and Operations Research
13 (5), pp. 563-593.
GUTH M.A.S. (1994) Development of an Expert-System - Translating Higher-Level Decisions into
Lower-Level Aircraft Flights. J. Oper. Res. Soc., vol. 45, n 1, pp. 17-24.
HAGHANI A. Y CHEN M.C. (1998) Optimizing Gate Assignments at Airport Terminals. Transpor-
tation Research Part A-Policy and Practice. Vol. 32, n 6, pp. 437-454.
JACOBSON S.H. Y SCHRUBEN L. W. (1989). A Review of Techniques for Simulation Optimization.
Operations Research Letters, Vol. 8, pp. 1-9.
KENNEDY R.S., BERBAUM K.S., COLLYER S.C., Y OTROS (1988) Spatial Requirements for Visual
Simulation of Aircraft at Real-World Distances. Hum. Factors., vol. 30, n 2, pp. 153-161.
PFLUG G.C. (1996). Optimization of Stochastic Models. Boston : Kluwer Academic.
RINGEL E.I, Y MODE C.J. (1994) A Stochastic-Analysis of State Transitions in an Air-Space Ma-
nagement-System. Operations Research, vol. 42, n 2, pp. 262-273.
SAFIZADEH M.H. (1990).Optimization in simulation: current issues and the future outlook. Naval
Research Logistics. Vol. 37, pp. 807-825.
THOMPSON, G.M. (1995) Improved Implicit Optimal Modeling of the Labor Shift Scheduling
Problem. Management Science, 41 (4), pp. 595-607.
THOMPSON, G.M. (1997) Labor Staffing and Scheduling Models for Controlling Service Levels.
Naval Research Logistics, vol. 44, pp. 719-740.
WILLIAMS, J.W.J. (1964) Algorithm 232: HeapSort. Conmun. A.C.M. 7, 347.
Agradecimientos
Los autores muestran su agradecimiento al Ministerio de Educacin y Ciencia por
la nanciacin a este trabajo a travs del Plan Nacional de I+D.

Diseño de Un Sistema para La Resolución Del Problema de Pro-Gramación de Turnos en Un Aeropuerto

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Diseño de Un Sistema para La Resolución Del Problema de Pro-Gramación de Turnos en Un Aeropuerto

Uploaded by

Copyright:

Available Formats

E S T U D I O S D E E C O N O M A A P L I C A D A VOL . 24-2, 2006. P G S .

You might also like